現場で使える!NumPyデータ処理入門 機械学習・データサイエンスで役立つ高速処理手法 電子書籍(吉田 拓真 尾原 颯)|翔泳社の本
  1. ホーム >
  2. 電子書籍 >
  3. 現場で使える!NumPyデータ処理入門 機械学習・データサイエンスで役立つ高速処理手法

現場で使える!NumPyデータ処理入門 機械学習・データサイエンスで役立つ高速処理手法



形式:
電子書籍
発売日:
ISBN:
9784798155920
価格:
本体3,800円+税
シリーズ:
AI & TECHNOLOGY

本書籍の他の形式を確認する

  • このエントリーをはてなブックマークに追加

機械学習・データサイエンスで役立つ高速処理手法

【本書の概要】
ビッグデータを扱う機械学習の現場では、Pythonの高機能で利用しやすい数学・科学系ライブラリが急速に広まってきています。
本書は、機械学習・データサイエンスの現場でよく利用されているNumPyの基本から始まり、
現場で使える実践的な高速データ処理手法について解説します。
特に、現場でよく扱う配列の処理に力点を置いています。
最終章では機械学習における実践的なデータ処理手法について解説します。

【NumPy(ナンパイ)とは】
NumPyは、機械学習・データサイエンスの現場で扱うことの多い多次元配列(行列やベクトル)を
処理する高水準の数学関数が充実しているライブラリです。
Python単体では遅い処理であっても、C言語なみに高速化できるケースもあり、
機械学習・データサイエンスの分野におけるデータ処理に欠かせないライブラリとなっています。

【対象読者】
機械学習エンジニア、データサイエンティスト

【著者紹介】
吉田拓真(よしだ・たくま)
データサイエンス関連のサービスを提供する株式会社Spot 代表取締役社長。
Webメディア『DeepAge』編集長。

尾原 颯(おはら・そう)
東京大学工学部機械工学科所属。
大学ではハードウェア寄りの勉強が多め。
趣味はアカペラとテニス。基本的に運動が好き。最近、ランニングを始める。

※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。
※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。
※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。
※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。

(翔泳社)

目次の登録はありません。

付属データはこちら

会員特典はこちら

書籍への問い合わせ

正誤表、追加情報をご確認の上、こちらよりお問い合わせください

書影の利用許諾について

本書籍に関する利用許諾申請はこちらになります

追加情報はありません。

ご購入いただいた書籍の種類を選択してください。

書籍の刷数を選択してください。

刷数は奥付(書籍の最終ページ)に記載されています。

現在表示されている正誤表の対象書籍

書籍の種類:

書籍の刷数:

本書に誤りまたは不十分な記述がありました。下記のとおり訂正し、お詫び申し上げます。

対象の書籍は正誤表がありません。

最終更新日:2020年05月29日
発生刷 ページ数 書籍改訂刷 電子書籍訂正 内容 登録日
1刷 019
上から5行目と20行目
b = [a] # リストに変換 ・・・(略)・・・ Not using NumPy 0.094761 sec
b = list(a) # リストに変換 ・・・(略)・・・ Not using NumPy 5.502100 sec
2019.04.17
1刷 025
参照先の項番号修正
1.2.5項「Memory Layout」
1.2.3項「Memory Layout」
2018.11.06
1刷 027,028
図1.1と図1.2の内容が逆、本文の修正
P.27 ----------------- ローメジャーでは低い次元から(axisの番号が小さい順)格納していき、カラムメジャーでは高い次元(axisの番号が大きい順)から格納していきます。 (・・略・・)  2次元でいくとローメジャー(order='C')では列方向から順に要素が格納されていきます。
P.28 -----------------  一方でカラムメジャー(order='F')では行方向から順に要素が格納されていきます( 図1.2 )。
 列方向は2次元においてはaxis=1、行方向はaxis=0となり、軸の番号は変わりはするものの同じ大小関係が成り立ちます。
P.27 ----------------- ローメジャーでは高い次元から(axisの番号大きい順)格納していき、カラムメジャーでは低い次元(axisの番号小さい順)から格納していきます。 (・・略・・)  2次元でいくとローメジャー(order='C')では方向から順に要素が格納されていきます。
P.28 -----------------  一方でカラムメジャー(order='F')では方向から順に要素が格納されていきます( 図1.2 )。
 列方向は2次元においてはaxis=0、行方向はaxis=1となり、軸の番号は変わりはするものの同じ大小関係が成り立ちます。
2018.11.29
1刷 071,275
ATTENTION
, dype=int64)
, dtype=int64)
2018.11.19
1刷 209
上から5行目
保存できる配列の次元は1次元まで
保存できる配列の次元は2次元まで
2019.05.17
1刷 210
上から6~7行目
0を最初の行として、どの行を読み取るのかを指定する。デフォルトではすべての行を読み取る
0を最初の列として、どの列を読み取るのかを指定する。デフォルトではすべての列を読み取る
2019.05.17
1刷 217
上から4行目、sample8→sample7
In [24]: np.savetxt('sample8.txt', a, fmt='%.3e',
In [24]: np.savetxt('sample7.txt', a, fmt='%.3e',
2019.05.17
1刷 241
脚注番号
*2
*3
2018.11.19
1刷 254
下から6行目
n=1の時
n=2の時
2019.05.17
1刷 255
6行目 MEMO内
例えば…はx2+2x+1と展開できます。ここでの係数は1、2、1となります。・・・できます
例えば…はx2-2x+1と展開できます。ここでの係数は1、-2、1となります。・・・できます。
2019.05.17
1刷 472
図4.24 左下のb2をb1に修正
b2
b1
2020.05.29
1刷 473
下から3行目
76万回行列演算
79万回行列演算
2020.05.29
1刷 479
MEMOの4行目
左上から0、1、2、3、4
左上から1、2、3、4
2020.05.29
1刷 481
リスト4.6の上から15行目
# (N, 1000)
# (N, 100)
2020.05.29
1刷 484
コメントの修正
# 5回ごとにどれぐらい学習できているかを確かめる
# 100回ごとにどれぐらい学習できているかを確かめる
2020.05.29
1刷 494
下から12行目
after %f time steps
after %d time steps
2020.05.29
1刷 502
コメント部分
epsilon = 0.5 * (0.99** episode) # もし0.2より一様乱数のほうが大きければ… if epsilon <= np.random.uniform(0, 1): (…略…) # 逆に言うと20%の確率でランダムな行動をとる next_action = np.random.choice([0, 1])
epsilon = 0.5 * (0.99** episode) if epsilon <= np.random.uniform(0, 1): (…略…) # そうでなかれば20%の確率でランダムな行動をとる next_action = np.random.choice([0, 1])
2020.05.29
1刷 iX
上から2行目
本書の対象読者と必要な事前知識について
本書の対象読者と必要な事前知識
2018.11.19